Autores: José David Cáceres Dra. María Pilar Martín Isabel Dr. Javier Salas Rey

Transcripción

1 Autores: José David Cáceres Dra. María Pilar Martín Isabel Dr. Javier Salas Rey

2 Introducción Objetivos Antecedentes Metodología Resultados Conclusiones

3 La cuantificación del balance de carbono se presenta como uno de los principales desafíos al permitir considerar la fijación de carbono como un objetivo más de la gestión forestal. La estimación de los stocks de carbono en zonas heterogéneas, utilizando sensores remotos, representa desafíos únicos.

4 Usar índices espectrales, derivados de imágenes Landsat, para estimar biomasa en una zona de dehesa en el momento de máxima actividad vegetativa. Objetivos específicos: Analizar la capacidad de las imágenes Landsat para estimar biomasa a partir de índices espectrales calibrados con datos de terreno. Inferir los stocks de carbono a partir de los valores de biomasa. Relacionar los resultados obtenidos con factores climáticos de precipitación y temperatura.

5 En la última década, la teledetección ha brindado información esencial sobre la variación espacial y temporal de las cubiertas vegetales. Ha sido utilizada ampliamente para la estimación de biomasa en pasto, empleando sensores de variada resolución espacial. Para la estimación de los stocks de carbono a partir de la biomasa, la FAO propone aplicar una fracción para convertir la biomasa a carbono.

6 El área de estudio se encuentra localizada en una zona de dehesa situada al NE de la provincia de Cáceres (Centro-Oeste de la Península Ibérica) La definición del área se realizó utilizando como base la cartografía generada por el Sistema de Información sobre Ocupación del Suelo en España (SIOSE). El relieve de la zona es poco accidentado, con una altitud media de 258 m. La zona presenta una precipitación promedio anual de 645 mm y una temperatura media anual de 16,8 C. Tipo de vegetación natural: Pyro bourgeaneae - Querceto rotundifoliae quercetum, que ha sido transformada en praderas arboladas, incluidas algunas especies arbustivas (Cistus landanifer, Lavandula pedunculata y Ulex europaeus).

7

8 Sensor Fecha de Adquisición TM 25 marzo Selección de Imágenes Landsat Serie histórica de TM la escena 12 abril adquirida por los sensores ETM+ ETM+ y TM, descargadas 25 mayo 2000 del servidor gratuito de imágenes del Servicio ETM+ Geológico 10 abril 2001 de los Estados Unidos. ETM+ 29 abril 2002 Existen huecos ETM+ importantes 18 mayo en 2003 la serie, especialmente en la década de los 90. ETM+ 1 marzo 2004 ETM+ 7 mayo 2005 Recientemente la Agencia Espacial Europea (ESA) ha ETM+ 24 abril 2006 liberado también su archivo histórico Landsat aunque no ETM+ 10 marzo 2007 has sido posible acceder a el para este trabajo. ETM+ 9 febrero 2008 ETM+ 15 marzo 2009 Se han utilizado sólo las escenas libres de nubes adquiridas TM 11 abril 2010 en primavera = máximo vigor vegetal. Listado de escenas Landsat utilizadas.

9 1. Preprocesamiento de Imágenes Landsat Se ha llevado a cabo utilizando la herramienta desarrollada por el Landsat Ecosystem Disturbance Adaptative Processing System (LEDAPS) ( Consta de cuatro pasos: Extracción de los metadatos Calibración de Landsat-5 TM y Landsat-7 ETM+ Generación de una máscara de nubes Corrección atmosférica

10 2. Mediciones de Campo de Variables Biofísicas. Se utilizaron los datos de terreno recopilados en el ámbito del proyecto BIOSPEC. De las 12 parcelas disponibles se seleccionaron 4, y de las fechas disponibles se utilizaron sólo las correspondientes a los meses de marzo y abril.

11 2. Mediciones de Campo de Variables Biofísicas. El contenido de biomasa del pasto se calculó mediante muestreo destructivo como peso seco de la vegetación muestreada en cada cuadrante de 25x25cm dividido por el área del cuadrante.

12 3. Mediciones de radiometría de campo. Se utilizó un espectro-radiómetro ASD Fieldspec FR3, que recoge información entre 400 y 2500 nanómetros. Se midieron dos transectos en cada plot de 25x25m, uno NW-SE y otro NE-SW. Los valores de reflectividad, fueron remuestreados a las bandas Landsat-TM y ETM+ utilizando el software ENVI que considera la función de respuesta espectral de cada banda.

13 4. Calibración de los modelos para la predicción de biomasa. Cálculo de índices de vegetación Se realizó un análisis de correlación entre radiometría Biomasa de campo y los datos de biomasa medidos en las 4 parcelas seleccionadas NDVI=(B4-B3)/(B4+B3) para las fechas seleccionadas. A partir del dato SR=B4/B3 de la medición de la variable en campo y del valor del índice de vegetación SAVI=((B4-B3)/(B4+B3+0.5))*(1+0.5) seleccionado se procedió a realizar un análisis de regresión lineal para obtener la ecuación de ajuste del EVI=2.5*((B4-B3)/(B4+6*B3-7.5*B1+1)) modelo. Expresiones utilizadas para el cálculo de los índices espectrales

14 5. Información Climatológica. Se seleccionaron cinco estaciones meteorológicas próximas o incluidas en el área de estudio. Los datos de precipitación y temperatura de esas estaciones fueron solicitados a la Agencia Estatal de Meteorología (AEMET) para obtener las series históricas existentes Se realizó un análisis de comparación de muestras para ver si existía alguna diferencia estadísticamente significativa en el conjunto de datos. Se calculó la precipitación acumulada para dos meses (mes anterior y el propio mes de la toma de la imagen), así como también la temperatura máxima promedio para esos dos meses.

15 1. Pre-procesamiento de imágenes Landsat Para comprobar la fiabilidad de la corrección radiométrica y atmosférica realizada por la herramienta LEDAPS se contó con datos de radiometría de campo para dos parcelas de calibración definidas por el proyecto BIOSPEC. La diferencia máxima fue de 0,0129 (17,98%) por encima del valor obtenido por radiometría, y la diferencia mínima de 0,0003 (0,12%) por encima de la radiometría de campo.

16 Biomasa (g/m2) Gráfico del Modelo Ajustado Biomasa (g/m2) = *EVI 2. Estimación de biomasa y carbono Índice R 2 NDVI 0,7399 SR 0,7444 SAVI 0,7899 EVI 0,7939 Coeficientes de Correlación entre los valores de biomasa medidos en terreno y los índices espectrales 40 calculados a partir de radiometría de campo Biomasa = -70, ,188*EVI 0 R 2 =0, EVI Gráfico del Modelo Ajustado para la Estimación de Biomasa

17 Proyección UTM Datum WGS-84 Zona 30N

18 A partir de los valores de biomasa medios anuales Año Biomasa Promedio Contenido Carbono calculados anteriormente, (Kg/ha) se procedió (Kg/ha) a aplicar la fracción de carbono del 50% del total de biomasa, para estimar el 2000 comportamiento de los stocks de carbono en el pasto en 2001 la zona de estudio Cantidad promedio de biomasa y carbono estimado para la temporada de primavera en cada uno de los años analizados

19 3. Relación con variables climáticas Teniendo en cuenta la coincidencia existente para la serie histórica de datos entre las cinco estaciones analizadas, se tomó de referencia únicamente los datos de la estación de Navalmoral de la Mata.

20 Para la predicción de biomasa en pastos, la utilización de un índice como el EVI brinda un modelo más robusto (R 2 =0,79) frente a otros índices más tradicionales como el NDVI. La variable analizada, biomasa, es sensible a los cambios extremos en las condiciones climáticas, presentando sus valores más bajos en el año en que se registró la menor cantidad de precipitación y a su vez la mayor temperatura máxima.

21 Debido a las lagunas en la serie temporal resulta difícil hacer una predicción coherente de las tendencias por lo cual es necesario completar la serie temporal. Resalta la importancia del análisis temporal para estudiar tendencias históricas de la evolución de los stocks de carbono. Permite la extrapolación de resultados a zonas de dehesa de España y Portugal con características similares.

22